#行为克隆 (4)

CoRL 2026：BC 训练后移除不想要的模式

@zhiwen_fan_ · 116次播放 · 2026-09-04

超越模仿：通过离线策略 Q-Planning 实现机器人策略自我改进

Q-Planning 冻结大型行为克隆策略，只训练一个约十亿参数的离线 Q 函数。推理时，Q 对 BC 采样出的多个候选动作块做单步加权平均；在线自改进时，成功与失败回放都只用于更新 Q。10 轮迭代将 LIBERO 平均成功率从 92.1% 提升到 97.6%，双臂真机堆杯与插卡任务分别从 40%/25% 提升到 90%/80%。

Varun Giridhar, Anant Khandelwal, Jeremy A. Collins2026年8月21日

Q-Learning视觉语言动作模型机器人操控2026年8月21日

动作分块为何能提升机器人行为克隆性能？

通过仿真与真机实验证明：动作分块的收益并非来自时间一致性、视界缩减或表征学习，而是来自非马尔可夫表达能力、基于延迟观测降低复合误差，以及隐式集成效应；并据此提出随机延迟集成与显式集成策略，可在无需动作分块的情况下匹敌甚至超越其性能。

Filippo Lazzati, Kyle Stachowicz, William Chen2026年8月3日

Franka动作分块行为克隆2026年8月3日

Patch Policy：利用稠密视觉表征的高效具身控制

Patch Policy 提出一种轻量 Transformer 策略架构，直接消费冻结预训练 ViT 的稠密 patch 特征，避免全局池化带来的空间信息损失，也不需要亿级参数 VLM 的推理开销。其核心是 block-causal 注意力掩码：帧内 patch 全注意力，帧间严格因果，从而兼容 VQ-BeT、Diffusion Policy 等标准策略头。实验表明，在四个仿真和三个真实操作任务中，Patch Policy 相对全局特征策略平均提升 40%，并超越微调 OpenVLA-OFT 约 18%，同时参数量仅为后者的约 0.7%。

Gaoyue Zhou, Zichen Jeff Cui, Ada Langford2026年7月20日

Patch Policy稠密视觉表征DINOv22026年7月20日